Dopasowywanie modeli logistycznych
Wiele problemów biznesowych wymaga przewidywania binarnej zmiennej odpowiedzi. Twój przyszły pracodawca może potrzebować wykrywać spam, oszustwa kartami kredytowymi lub rzadkie choroby.
Podstawową metodą binarnej klasyfikacji jest regresja logistyczna.
W tym ćwiczeniu skorzystasz ze zbioru danych Parkinsona z repozytorium UCI. Zawiera on różnorodne biomedyczne pomiary głosu osób z chorobą Parkinsona i bez niej.
Wykorzystasz następujące zmienne z tego zbioru:
status– 1, jeśli dana osoba ma chorobę Parkinsona, 0 w przeciwnym razie,NHR– miara stosunku szumu do składowych tonalnych w głosie,DFA– wykładnik skalowania fraktalnego sygnału.
Zbiór danych jest dostępny jako parkinsons.
To ćwiczenie jest częścią kursu
Ćwiczenie statystycznych pytań rekrutacyjnych w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot status vs NHR
___(status ~ ___, data = ___)
# Plot status vs DFA
___(___ ~ ___, ___ = ___)